複数ソースからの書込におけるメタ認知プロセスを理解するための学習者トレースデータの利用【JST・京大機械翻訳】

Rakovic Mladen; Fan Yizhou; van der Graaf Joep; Singh Shaveen; Kilgour Jonathan; Lim Lyn; Moore Johanna; Bannert Maria; Molenaar Inge; Gasevic Dragan

文献

J-GLOBAL ID：202202237992254408 整理番号：22A1062759

複数ソースからの書込におけるメタ認知プロセスを理解するための学習者トレースデータの利用【JST・京大機械翻訳】

Using Learner Trace Data to Understand Metacognitive Processes in Writing from Multiple Sources

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1062759&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (10件)： , , , , , , , , ,
資料名：
号： LAK22 ページ： 130-141 発行年： 2022年
JST資料番号： D0698C 資料種別：会議録 (C)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

複数源からのライティングは,教育レベルおよび専門分野にわたる通常管理された学習タスクである。このタスクにおいて,学習者は情報源文書から情報を理解し,割り当て要求を満足するためにコヒーレント書かれた構成に統合するよう指示されている。教育的に強力ではあるが,マルチソース書き込みタスクは,多くの学習者にとって,特に,多くの学習者が,マルチソース書き込みにおける生産的関与のための重要なメタ認知プロセスであるために,多くの学習者にとって挑戦的と考えられている。これらのプロセスを理解するために,44名の大学生を含む実験室研究を行った。それらは,ディジタル学習環境でホストされたマルチソース書き込みタスクに従事した。これまでの研究に加えて,多重データチャネルを介して収集した学習者のトレースデータおよびマルチソース書き込みタスクの書き込みおよび読込み空間の両者を用いて,メタ認知プロセスを,未観測に測定した。さらに,これらのプロセスが書かれた製品の品質,すなわち, essayスコアに影響するかを調べた。解析において,著者らは,自動的に,そして,人間で生成された essayスコアの両方を利用した。VoIPスコアリングアルゴリズムのレイティング性能は,人間の速度計のそれに匹敵した。著者らの結果は,メタ認知監視と制御における関与が書かれた製品の品質に利益をもたらすという理論的仮定を主に支持する。さらに,この結果は,トレースデータおよび自動VoIPスコアリングを用いて,学生書き込みを支援する解析ベースツールの開発を知らせる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

人工知能 , CAI

, , , , , ,

前のページに戻る